Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA)

Vol.11, No.1, Februari 2017

ISSN: 0852-730X

Sistem Pendukung Keputusan Penentuan Gaji Bonus

Karyawan Pada Restoran KL Express Dengan Metode TOPSIS
Dwija Wisnu Brata 1, Bayu Whidyanto 2
STMIK ASIA MALANG
1
wbrata@gmail.com,2bayu@gmail.com

ABSTRAK. Pemberian gaji bonus terkadang menjadi suatu kendala bagi sebuah restoran, dikarenakan suatu restoran
dihadapkan pada sebuah keputusan yaitu kepada siapa pemberian gaji bonus ini diberikan. Untuk itu diperlukan sebuah
sistem yang dapat membantu pengambilan keputusan untuk memecahkan permasalahan tersebut. Pada penelitian ini
dirancang sistem pendukung keputusan pemberian gaji bonus dengan metode topsis yang dimaksud agar dapat membantu
pihak terkait untuk memberikan solusi pemberian gaji bonus. Sistem Pendukung keputusan (DSS) adalah bagian dari
sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan) yang dipakai untuk mendukung pengambilan
keputusan dalam suatu organisasi atau perusahaan.Sedangkan metode Technique for Order Preferense by Similarity to
Ideal Solution (TOPSIS) adalah didasarkan pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki
jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif.Hasil pengujian
dari aplikasi dengan menggunakan metode topsis mampu menyeleksi alternatif terbaik, dalam hal ini alternatif yang
dimaksud yaitu karyawan yang berhak menerima gaji bonus berdasarkan kriteria-kriteria yang ditentukan. Hasil dari
perhitungan manual dan sistem aplikasi adalah sama.

Kata Kunci: SPK, Bonus Karyawan, TOPSIS

1. PENDAHULUAN
Gaji bonus adalah pembayaran tambahan di luar upah atau gaji yang ditujukan untuk memacu (memberi
insentif) agar pekerja dapat menjalankan tugasnya lebih baik dan penuh tanggungjawab, dengan harapan
keuntungan lebih tinggi. Makin tinggi keuntungan yang diperoleh makin besar bonus yang diberikan pada
pekerja.Tidak semua perusahaan di Indonesia memberikan gaji bonus kepada karyawan. Gaji bonus ini
biasanya dikeluarkan atas inisiatif dari pemimpin perusahaan.Pada penelitian yang dilakukan, studi kasus
mengambil tempat di KL Express Resto. Pemberian gaji bonus yang terdapat pada KL Express dilakukan
setiap akhir bulan dan diberikan kepada satu karyawan. Hal ini juga masih dilakukan secara manual dan
membutuhkan waktu dalam menentukan karyawan yang mendapatkan bonus. Penelitian yang dilakukan
mencoba untuk memberikan suatu bantuan rekomendasi secara otomatis dan memotong waktu yang lama.
Topsis menjadi salah satu metode yang digunakan sebagai penentuan rekomendasi karyawan yang akan
diberi gaji bonus. Terdapat kriteria yang menjadi acuan penelitian yang akan digunakan dalam metode topsis,
yaitu adalah absensi,jumlah lembur dalam satu bulan, kerajinan, pelayanan terhadap customer.Hasil dari
metode yang digunakan adalah perangkingan, hal ini menjadi masukan kepada pengambil keputsan KL
Express Resto untuk melihat nilai yang tertinggi berdasarkan kriteria nilai yang telah dimasukkan.

2. LANDASAN TEORI
2.1 Pengertian Gaji
Menurut Rokmulyati (1983) menyatakan bahwa gaji merupakan suatu bentuk pembayaran periodik dari
seorang majikan pada karyawan yang dinyatakan dalam suatu kontrak kerja. Dari sudut pandang
pelaksanaan bisnis, gaji dapat dianggap sebagai biaya yang dibutuhkan untuk mendapatkan sumber daya
manusia untuk menjalankan operasi, dan karenanya disebut dengan biaya personel atau biaya gaji.
Dalam akuntansi, gaji dicatat dalam akun gaji. Istilah lain dari gaji adalah honor dan upah. Gaji, honor
ataupun upah dapat diterima pegawai di lingkungan kantor atau tempat kerja milik negara atau tempat
swasta.
2.2 Macam Pemberian Upah di Indonesia
2.2.1 Upah Menurut Waktu
Menurut Rokmulyati (1983)besarnya upah didasarkan pada lama bekerja seseorang. Satuan waktu
dihitung per jam, per hari, per minggu atau per bulan. Misalnya pekerja bangunan dibayar per hari atau per
minggu.

101
JITIKA ISSN: 0852-730X

2.2.2 Upah Menurut Satuan Hasil

Menurut Rokmulyati (1983)besarnya upah didasarkan pada jumlah barang yang dihasilkan oleh
seseorang. Satuan hasil dihitung per potong barang, per satuan panjang, atau per satuan berat. Misalnya upah
pemetik daun teh dihitung per kilogram.

2.2.3 Upah Borongan

Menurut Rokmulyati (1983)pembayaran upah berdasarkan atas kesepakatan bersama antara pemberi
dan penerima pekerjaan. Misalnya upah untuk memperbaiki mobil yang rusak, membangun rumah, dll. Upah
model ini harus jelas bukan hanya besarnya upah yang disepakati, tetapi juga berapa lama pekerjaan yang
ditugaskan kepada penerima borongan harus selesai.
2.2.4 Sistem Bonus
Menurut Hasibuan (1999) mendefinisikan upah insentif adalah balas jasa yang diberikan kepada
karyawan tertentu yang prestasinya di atas prestasi standart. Sistem bonus adalah pembayaran tambahan di
luar upah atau gaji yang ditujukan untuk merangsang (memberi insentif) agar pekerja dapat menjalankan
tugasnya lebih baik dan penuh tanggungjawab, dengan harapan keuntungan lebih tinggi. Makin tinggi
keuntungan yang diperoleh makin besar bonus yang diberikan pada pekerja.
2.3 Pengertian Sistem
Menurut Andi Kristanto (2003) menyatakan bahwa sistem adalah jaringan kerja dari prosedur-prosedur
yang saling berhubungan, berkumpul bersama-sama untuk melakukansuatu kegiatan atau menyelesaikan
suatu sasaran tertentu. Sistem dapat diartikan sebagai suatu kumpulan himpunan dari unsur yang
terorganisasi saling berinteraksi, saling tergantung dan terpadu.
2.4 Sistem Informasi Manajemen (SIM)
Menurut Donald W. Kroeber (1984) mendefinisikan sistem informasi manajemen sebagai sejumlah
proses dalam menyajikan informasi kepada para manajer yang digunakan untuk mendukung kegiatan
operasional serta pengambilan sebuah keputusan didalam suatu organisasi.
Dengan kata lain SIM adalah sebagai suatu sistem berbasis komputer yang menyediakan informasi bagi
beberapa pemakai dengan kebutuhan yang sama. Para pemakai biasanya membentuk suatu entitas organisasi
formal, perusahaan atau sub unit dibawahnya. Informasi menjelaskan perusahaan atau salah satu sistem
utamanya mengenai apa yang terjadi di masa lalu, apa yang terjadi sekarang dan apa yang mungkin terjadi di
masa yang akan datang. Informasi tersebut tersedia dalam bentuk laporan periodik, laporan khusus dan ouput
dari model matematika. Output informasi digunakan oleh manajer maupun non manajer dalam perusahaan
saat mereka membuat keputusan untuk memecahkan masalah.
2.5 Pengertian Sistem Pendukung Keputusan (SPK)
Definisi SPK secara sederhana adalah sebuah sistem yang digunakan sebagai alat bantu menyelesaikan
masalah untuk membantu pengambil keputusan (manajer) dalam menentukan keputusan tetapi tidak untuk
menggantikan kapasitas manajer hanya memberikan pertimbangan. Turban (2005) menyatakan SPK
ditujukan untuk keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan yang sama
sekali tidak dapat didukung oleh algoritma. Definisi ini belum memberikan gambaran secara spesifik bahwa
SPK berbasis komputer dan akan beroperasi online interakif , maka dari itu muncul berbagai definisi
mengenai SPK.
Little (1970) mendefenisikan SPK sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan
penilaian guna membantu para namajer mengambil keputusan. Dia menyatakan bahwa untuk sukses, sistem
tersebut haruslah sederhana, cepat, mudah dikontrol, adaftif, lengkap dengan isu-isu penting, dan mudah
berkomunikasi.
Bonczek (1980) mendefenisikan SPK sebagai sistem berbasis komputer yang terdiri dari tiga komponen
yang saling berinteraksi: sistem bahasa (mekanisme untuk memberikan komunikasi antara pengguna dan
komponen SPK lain), sitem pengetahuan (repositori pengetahuan domain masalah yang ada pada SPK baik
sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah (hubungan antara dua komponen
lainnya, terdiri dari satu atau lebih kapabilitas manipulasi masalah umum yang diperlukan untuk pengambilan
keputusan). Konsep-konsep yang diberikan oleh defenisi tersebut sangat penting untuk memahami hubungan
antara SPK dan pengetahuan.
Keen (1980) menerapkan istilah SPK untuk situasi dimana sistem final dapat dikembangkan hanya
melalui sutau proses pembelajaran dan evolusi yang adaftif. Jadi, ia mendefinisikan SPK sebagai suatu
produk dari proses pengembangan dimana pengguna SPK, pembangun SPK, dan SPK itu sendiri mampu
mempengaruhi satu dengan yang lainnya, dan menghasilkan evolusi sistem dan pola-pola penggunaan.
Turban (2005) menyatakan definisi formal tentang SPK tidak memberikan fokus yang konsisten karena
masing-masing defenisi berusaha mempersempit populasi secara berbeda-beda.
2.6 Technique For Order Preference by Similarity to Ideal Solution (TOPSIS)
102
JITIKA ISSN: 0852-730X

TOPSIS adalah salah satu metode pengambilan keputusan multikriteria yang pertama kali diperkenalkan
oleh Yonn dan Hwang pada tahun 1981. Dengan ide dasarnya adalah bahwa alternatif yang dipilih memiliki
jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif. Berikut ini
adalah contoh sebuah matriks dengan alternatif dan kriteria.

..
..
= . . . . . . . . . (1)

Dimana:
D = matriks
m = alternative
n = kriteria
=
2.6.1 Procedure TOPSIS
A. Normalisasi Matriks Keputusan
Setiap elemen pada matriks D dinormalisasikan untuk mendapatkan matriks normalisasi R. Setiap
normalisasi dari nilai dapat dilakukan dengan perhitungan sebagai berikut:

= . . . . . . . (2)

Untuk i=1,2,3,,m;
j=1,2,3,,n
B. Pembobotan Pada Matriks Yang Telah Dinormalisasikan
Diberikan bobot W = (w1,w2,,wn), sehingga weighted normalized matrix V dapat dihasilkan
sebagai berikut:

..
..
= . . . . . . . . . (3)

Dengan i=1,2,3,,m dan j=1,2,3,n
C. Menentukan Solusi Ideal Positif Dan Solusi Ideal Negative
Solusi ideal positif dinotasikan dengan A+ dan solusi ideal negatif dinotasikan dengan A-, sebagi
berikut :
Menentukan Solusi Ideal (+) & (-)
= max )(min , = 1,2,3, = { , , }
= max )(min , = 1,2,3, ={ , , }
Dimana :
Vij = elemen matriks V baris ke-i dan kolom ke- j
J = {j=1,2,3,,n dan j berhubung dengan benefit criteria}
J = {j=1,2,3,,n dan j berhubung dengan cost criteria}
D. Menghitung Jarak Setiap Alternatif dengan Matriks Solusi Ideal Positif dan Matriks Solusi Ideal
Negatif (Separation Measure)
Separation measure ini merupakan pengukuran jarak dari suatu alternatif ke solusi ideal positif
dan solusi ideal negatif. Perhitungan matematisnya adalah sebagai berikut:
Separation measure untuk solusi ideal positif

= ( ) , dengan i= 1,2,3,,n . . . . . . . (4)

Separation measure untuk solusi ideal negatif
= ( ) , dengan i= 1,2,3,,n . . . . . . . (5)
E. Menghitung Kedekatan Relative dengan Ideal Positif
Kedekatan relative dari alternatif A+ dengan solusi ideal A- direpresentasikan dengan:

103
JITIKA ISSN: 0852-730X

= 0< <1 = ,2,3, , . . . . . . . (6)

F. Mengurutkan Pilihan
Alternatif dapat dirangking berdasarkan urutan C_i. Maka dari itu, alternatif terbaik adalah salah
satu yang berjarak terpendek terhadap solusi ideal positif dan berjarak terjauh dengan solusi ideal
negatif.

3. METODE PENELITIAN
3.1 Analisis Kebutuhan Input
Input yang digunakan untuk melakukan proses pengambilan keputusan dari beberapa alternatif adalah
sebagai berikut.

Tabel 1. Analisis Kebutuhan Input

No Kriteria
1 Kehadiran
2 Jumlah lembur satu bulan
3 Kerajinan
4 Pelayanan terhadap customer

Tabel 1 menjelaskan bahwa proses keputusan dibutuhkan beberapa kriteria yaitu kehadiran, jumlah
lembur dalam satu bulan, kerajinan dan pelayanan terhadap sehingga nantinya akan dihasilkan output yang
berasal dari kelayakan alternatif yang dihasilkan dari proses perangkingan.
3.2 Analisis Kebutuhan Output
Output yang dihasilakan dari alternatif yang mempunyai nilai tertinggi dari pada nilai alternatif yang
lain. Hasil yang dikeluarkan oleh program adalah nilai setiap kriteria yang ada, karena dalam setiap kriteria
memiliki nilai yang berbeda dengan kriteria yang lainnya. Dan alternatif yang dimaksudkan adalah karyawan
restoran KL EXRESS.
3.3 Flowchart

Gambar 1. Flowchart Metode Topsis

104
JITIKA ISSN: 0852-730X

4. HASIL DAN PEMBAHASAN

4.1 Tampilan Menu Utama
Form utama merupakan tampilan antarmuka yang pertama muncul ketika sistem ini dijalankan. Berikut
adalah tampilan awal program, dapat dilihat pada gambar 2:

Gambar 2. Form Menu Utama

4.2 Tampilan Form Proses
Form Proses merupakan tampilan antarmuka tempat melakukan proses penyeleksian karyawan restoran
KL Express. Form ini menjadi tempat kerja utama untuk melakukan langkah-langkah penyeleksian dengan
metode TOPSIS.
Dalam proses seleksi karyawan terdapat dua command button yaitu button proses untuk melakukan
proses seleksi dan button data untuk pindah ke form input data karyawan. Berikut tampilan antarmuka dari
proses seleksi karyawan dengan metode TOPSIS, dapat dilihat pada gambar 3 :

Gambar 3. Form Seleksi Karyawan

4.3 Tampilan Form Data Karyawan
Form Data Karyawanmerupakan tampilan antarmuka untuk menginput data karyawan yang akan
diseleksi. Berikut adalah form data karyawan, dapat dilihat pada gambar 4:

Gambar 4. Form Data Karyawan

4.4 Pengujian Sistem

Pengujian dilakukan dengan membandingkan perhitungan secara manual dan sistem aplikasi.
4.4.1 Data Nilai Karyawan Restoran KL Express
Data inputan ini adalah daftar sebagian nama karyawan restoran KL Express beserta kelengkapan data
kriteria untuk pengujian. Berikut merupakan data nilai karyawan, dapat dilihat pada tabel 2 :

105
JITIKA ISSN: 0852-730X

Tabel 2. Data Nilai Karyawan KL Express

4.4.2 Data Konversi Seleksi Karyawan

Berikut adalah data awal Karyawan yang dipilih yang sudah dikonversikan, dapat dilihat pada gambar
5:

Gambar 5. Data Konversi

Berikut adalah nilai variable dari karyawan KL Express yang telah dikonversi dari nilai awal menjadi
nilai angka, dapat dilihat pada tabel 3 :
Tabel 3.Tabel Konversi Data
Kriteria Data Awal Konversi
Absensi <24 1
24 25 2
26 27 3
28 29 4
>29 5
Jumlah Lembur <1 1
(Dalam Satu Bulan)
1 1,5 2
2 2,5 3
3 3,5 4
>=4 5
Hasil Tes Jurnais <75 1
75 - 79 2
80 - 84 3
85 - 90 4

91 - 100 5
<75 1
75 - 79 2
Pelayanan Customer 80 - 84 3
85 - 90 4
91 - 100 5

106
JITIKA ISSN: 0852-730X

Adapun yang diuji adalah kriteria yang keempat, yaitu nilai dari pelayanan terhadap customer.
Kemudian data matriks yang sudah dikonversi dinormalisasikan:
A. Matriks Keputusan Ternormalisasi
Langkah selanjutnya yaitu membuat matriks keputusan yang ternormalisasi.

| |= 2 + 1 + 3 + 1 + 2 + 1 + 1 = 4,582576
2
= = = 0,436436
| | 4,582576
1
= = = 0,218218
| | 4,582576
3
= = = 0,654654
| | 4,582576
1
= = = 0,218218
| | 4,582576
2
= = = 0,436436
| | 4,582576
1
= = = 0,218218
| | 4,582576
1
= = = 0,218218
| | 4,582576
Dari matriks keputusan yang ternormalisasi, maka diperoleh nilai matriks pada kolom keempat
sebagai berikut :

0,436436
0,218218

0,654654
= 0,218218
0,436436

0,218218
0,218218
Berikut adalah hasil proses perhitungan dari aplikasi kriteria keempat, dapat dilihat pada gambar
yang dilingkari pada gambar 6 :

Gambar 6. Matriks Keputusan Ternormalisasi

B. Matriks Keputusan Ternormalisai Terbobot
Menghitung matriks keputusan yang ternormalisasi terbobot pada kolom keempat . Dimana untuk
menghitung matriks ternormalisasi terbobot, (Data Normalisasi) x (Bobot Kriteria) sebagai
berikut:
= . = (2)(0,436436) = 0,872872
= . = (2)(0,218218) = 0,436436
= . = (2)(0,654654) = 1,309308
= . = (2)(0,218218) = 0,436436
= . = (2)(0,436436) = 0,872872
= . = (2)(0,218218) = 0,436436
= . = (2)(0,218218) = 0,436436
Sehingga diperoleh matriks sebagai berikut:
107
JITIKA ISSN: 0852-730X

0,872872 0,436436 1,309308 0,436436

=
0,872872 0,436436 0,436436
Berikut hasil proses perhitungan dari aplikasi kriteria keempat, dapat dilihat pada gambar yang
dilingkari pada gambar 7 :

Gambar 7. Matriks Keputusan Ternormalisasi Terbobot

C. Matriks Solusi Ideal Positif dan Matriks Solusi Ideal Negatif
Solusi ideal dan negatif (A ),((A ) dihitung berdasarkan persamaan sebagai berkut:

(A = y y , , (y ;
(A = (y y , , (y );

1. Matriks Solusi Ideal Positif

, 1,666665 0,555555 2,22222

y = max
1,11111 0,555555 ,
= 2,77778
1,152333 , , 1,152333
y = max
0,384111 1,152333 0,384111
= 1,536444

1,431084 , 1,073312 1,073212

y = max
1,431084 , ,
= 1,788856
0,872872 0,436436 , 0,436436
y = max
0,872872 0,436436 0,436436
= 1,309308
Sehingga diperoleh Solusi Ideal Positif (A ) sebagai berikut:
= {2,77778 1,536444 1,788856 1,309308}
2. Matriks Solusi Ideal Negatif

2,77778 1,666665 , 2,22222

y = min
1,11111 , 2,77778
= 0,555555
1,152333 1,536444 1,536444 1,152333
y = min
, 1,152333 ,
= 0,384111
1,431084 1,788856 , ,
y = min
1,431084 1, 788856 1,788856
= 1,073312
0,872872 , 1,309308 ,
y = min
0,872872 , ,
= 0,436436
Sehingga diperoleh Solusi Ideal Positif (A ) sebagai berikut:
= {0,555555 0,384111 1,073312 0,436436}

108
JITIKA ISSN: 0852-730X

Tabel 4. Hasil Solusi Ideal Positif dan Solusi Negatif

No Max Min
1 2,77778 0,555555
2 1,536444 0,384111
3 1,788856 1,073312
4 1,309308 0,436436
Berikut hasil proses perhitungan solusi ideal positif dan negative, dapat dilihat pada gambar yang
dilingkari pada gambar 8:

Gambar 8. Solusi Ideal Positif dan Solusi Ideal Negatif

D. Menentukan Jarak Setiap Alternatif dengan Matriks Solusi Ideal Positif

Untuk mencari jarak antara nilai terbobot pada setiap alternatif terhadap solusi ideal positif (s )
dirumuskan sebagai :

= ( )

Dimana = :
=
(2,77778 2,77778) + (1,152333 1,536444) +
(D ) =
(1,431084 1,788856) + (0,872872 1,309308)
= 0,682655
(1,666665 2,77778) + (1,536444 1,536444) +
(D )=
(1,788856 1,788856) + (0,436436 1,309308)
= 1,412969
(0,555555 2,77778) + (1,536444 1,536444) +
(D )=
(1,073312 1,788856) + (1,309308 1,309308)
= 2,334585
(2,22222 2,77778) + (1,152333 1,536444) +
(D )=
(1,073312 1,788856) + (0,436436 1,309308)
= 1,315331
(1,11111 2,77778) + (0,384111 1,536444) +
(D )=
(1,431084 1,788856) + (0,872872 1,309308)
= 2,103363
(0,555555 2,77778) + (1,152333 1,536444) +
(D )=
(1,788856 1,788856) + (0,436436 1,309308)

109
JITIKA ISSN: 0852-730X

= 2,418208
(2,77778 2,77778) + (0,384111 1,536444) +
(D )=
(1,788856 1,788856) + (0,436436 1,309308)
= 1,445606

Sehingga diperoleh jarak antara nilai terbobot pada setiap alternatif ideal positif sebagai berikut:

0,682655
1,412969

2,334585
= 1,315331
2,103363

2,418208
1,445606
Berikut hasil proses perhitungan dari aplikasi kriteria kelima, dapat dilihat pada gambar 9 :

Gambar 9. Alternatif Terhadap Solusi Ideal Positif

E. Menentukan Nilai Preferensi untuk Setiap Alternatif

2,418042
= = = 0,779838
+ 2,418042 + 0,682655
1,753408
= = = 0,553758
+ 1,753408 + 1,412969
1,445606
= = = 0,382416
+ 1,445606 + 2,334585
1,835194
= = = 0,582504
+ 1,835194 + 1,315331
0,791908
= = = 0,273518
+ 0,791908 + 2,103363
1,049482
= = = 0,302646
+ 1,049482 + 2,418208
2,334585
= = = 0,617584
+ 2,334585 + 1,445606

Sehingga diperoleh nilai preferensi setiap alternatif (V ) sebagai berikut:

0,779838
0,553758

0,382416
= 0,582504
0,273518

0,302646
0,617584
Dari nilai V ini dapat dilihat bahwa memiliki nilai terbesar, sehingga alternatif pertama akan
terpilih sebagai karyawan KL Express yang mendapat gaji bonus. Berikut adalah nilai akhir, dapat
dilihat pada gambar 10 :

110
JITIKA ISSN: 0852-730X

Gambar 10. Nilai Preferensi untuk Setiap Alternatif

4.5 Perbandingan Perhitungan Sistem Terdahulu dan Sistem Baru

Pada sistem terdahulu restoran KL Express di dalam penilaian wartawan adalah dengan menggunakan
sistem menghitung rata rata. Berikut adalah data karyawan KL Express, dapat dilihat pada tabel 5 :

Tabel 5. Data Karyawan KL Express

Dari data pada tabel 6 cara perhitungannya sebagai berikut:

Tabel 6. Hasil Perbandingan Perhitungan

No Nama H Lama H Baru R Lama R Baru
1 Nur Afiani 49,1 0,553 1 4
2 Eko Cahyono 48,5 0,779 2 1
3 Riri 48,5 0,617 3 2
4 Fahrizi 47,6 0,273 4 7
5 Yasir 47,2 0,302 5 6
6 Robert Leonardo 47 0,382 6 5
7 Agus Mariono 46,4 0,582 7 3

Keterangan :
H Lama : Perhitungan manual (dengan menggunakan rata-rata)
H Baru : Perhitungan menggunakan metode topsis
R Lama : Perangkingan hasil perhitungan manual
R Baru : Perangkingan hasil perhitungan metode topsis
Dari tabel 6, dapat dianalisis perbandingan urutan perhitungan menggunakan cara manual (yang selama
ini dilakukan KL Express) dan perhitungan menggunakan metode TOPSIS. Pada data tabel diatas terdapat
perbedaan urutan karyawan yang mendapat gaji bonus, perbedaan ini disebabkan karena perhitungan dengan
sistem memberikan nilai prioritas dengan memberikan bobot pada setiap kriteria.

5. KESIMPULAN
Berdasarkan hasil dan pembahasan, maka kesimpulan yang dapat kita ambil adalah sebagai berikut :
1. Karyawan dengan urutan paling atas dalam tabel adalah karywan yang memiliki nilai paling tinggi
dan berhak mendapatkan gaji bonus.
2. Sistem Pendukung Keputusan dengan menggunakan metode TOPSIS dapat menghasilkan nilai
rangking karyawan dalam seleksi pemberian gaji bonus pada restoran KL Express .

111
JITIKA ISSN: 0852-730X

DAFTAR PUSTAKA
[1] Kristanto, Andi. 2008. Perancangan Sistem Informasi dan Apilkasinya. Yogyakarta. Gava Media.
[2] Turban, Efraim, et al. 2005. Decision Support Systems and Intelligent Systems .7th Ed. New Jersey.
Pearson Education.
[3] Keen, P. G. W. 1980. Adaptive Design for Decision Support Systems, Data Base, Vol. 12, No. 1 dan 2.

112